Кластеризация данных

Кластеризация представляет собой неконтролируемую классификацию образцов (наблюдений, элементов данных или векторов признаков) на группы (кластеры). Проблема кластеризации рассматривалась в различных контекстах исследователями из многих научных дисциплин, что отражает ее широкую востребованность и полезность как одного из этапов разведочного анализа данных. Однако с комбинаторной точки зрения кластеризация является сложной задачей, а различия в предположениях и контекстах, принятых в разных научных сообществах, замедлили перенос полезных общих концепций и методологий. В статье представлен обзор методов кластеризации образцов с позиций статистического распознавания образов; ее цель — предложить полезные рекомендации и ссылки на фундаментальные концепции, доступные широкому кругу специалистов, применяющих методы кластеризации. Представлена таксономия методов кластеризации, а также выделены общие для различных подходов темы и последние достижения. Кроме того, описаны некоторые важные приложения алгоритмов кластеризации, такие как сегментация изображений, распознавание объектов и информационный поиск.